LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
刚刚
刚刚
1秒前
个性夏之发布了新的文献求助10
1秒前
笑点低易真完成签到,获得积分10
1秒前
汉堡包应助郑彦丽采纳,获得10
2秒前
2秒前
汤锐完成签到,获得积分10
3秒前
3秒前
千千完成签到,获得积分10
4秒前
单细胞完成签到 ,获得积分0
4秒前
5秒前
李健应助无限电话采纳,获得30
5秒前
6秒前
向向向发布了新的文献求助10
6秒前
8秒前
大模型应助冷艳的一区采纳,获得10
9秒前
十二完成签到,获得积分10
10秒前
圆润润呐发布了新的文献求助30
12秒前
12秒前
科研通AI2S应助DQY采纳,获得10
12秒前
顾矜应助刮台风采纳,获得10
14秒前
个性夏之完成签到,获得积分20
14秒前
15秒前
fff完成签到,获得积分10
15秒前
婷小胖完成签到,获得积分10
15秒前
糊涂的大象完成签到,获得积分10
17秒前
wanci应助冷艳的一区采纳,获得10
18秒前
深情安青应助刘德华采纳,获得10
19秒前
Hello应助蜗居采纳,获得10
21秒前
22秒前
SciGPT应助可靠的寒风采纳,获得10
22秒前
24秒前
27秒前
junxi完成签到 ,获得积分20
27秒前
善学以致用应助1234采纳,获得30
27秒前
王嘉尔完成签到,获得积分20
28秒前
韦恩发布了新的文献求助10
28秒前
Jasper应助武雨寒采纳,获得10
29秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3191785
求助须知:如何正确求助?哪些是违规求助? 2841150
关于积分的说明 8031512
捐赠科研通 2504591
什么是DOI,文献DOI怎么找? 1337873
科研通“疑难数据库(出版商)”最低求助积分说明 638205
邀请新用户注册赠送积分活动 606711